建筑物是城市规划和建设的关键要素,也是城市中最容易发生变化的部分,因此,探测城市建筑物的变化对于城市发展和规划建设具有重要意义。LiDAR(Light Detection And Ranging)点云数据密度大,精度高,为建筑物的变化探测提供了新的数据源。目前,基于机载LiDAR点云的建筑物提取研究已取得了很好的进展,提出了很多行之有效的方法,但利用多期机载LiDAR点云进行城市地区建筑物的变化探测的研究鲜有报道。因此,本文基于多期机载LiDAR点云开展城市地区建筑物变化探测进行了深入研究,具体的研究内容和主要成果如下:(1)建筑屋顶面提取。建筑屋顶面提取存在相邻建筑屋顶面分割不完整,相近地物边缘点分割错误等亟待解决的问题。为完整的分割建筑屋顶面,本文在区域增长算法的基础上,利用建筑屋顶面点云的法向量集中于一个方向,点到屋顶面的空间距离较近的特征,研究应用了结合法向量的区域增长算法提取建筑屋顶面。两个研究区域的实验结果表明,与区域增长算法相比,结合法向量的区域增长算法能够更好的分割相邻且近似平行的屋顶面,相近地物边缘点分割准确率更高。(2)建筑物边界提取。采用Alpha-shape算法提取建筑物的初始轮廓,然后采用基于主方向强制正交算法完成建筑物轮廓规则化,并对建筑物边界提取结果评估。该方法适用于相邻建筑物边界近似正交的建筑物,并非所有的建筑物。鉴于实验LiDAR点云数据的平均间距为0.25m,建筑物边界的RMS(Root Mean Square)值小于2倍平均点云间距,表明该方法的准确性较高。(3)两期点云位置差异评估。首先通过相邻屋顶面来确定屋脊线,然后基于屋脊线位置不变特征来评估不同时期获取的LiDAR点云的空间位置差异。本文研究中2010年和2014年两期点云之间的旋转角度为0.016度、偏移量为0.019m,偏移量小于实验LiDAR点云间距,表明两期点云数据位置差异不大,达到配准后的精度。(4)建筑物变化探测。建筑物平面上的变化是通过两期规则化后的建筑物边界的叠置分析来完成。采用对应屋顶面的中位值和均值得到建筑物高度上的变形量,将最大程度的减少点云粗差和偶然误差对变形量计算的影响。分别从建筑物平面上和高度上变化探测的结果分析研究区域内建筑物变化,统计实验区域内建筑物变化数量,本文算法共探测到99栋建筑物变化,完整率达到92.1%,正确率为93.9%。